如何利用机器学习更好地冷却其数据中心

数据中心内部往往噪音很大，温度很高，而防止服务器过热是数据中心运营成本的主要组成部分。

因此，这一领域的大公司，包括Facebook、微软和谷歌在内，都在寻找节省制冷成本的不同方法。Facebook尽可能地使用室外的凉爽空气，微软正在试验水下数据中心，而谷歌正在试图通过自主研发的人工智能来节省成本。

几年前，谷歌通过旗下的DeepMind，开始研究如何利用机器学习更好地冷却其数据中心。不过当时系统只是提出建议，而人工操作员则决定是否实施这些建议。现在这些操作员的空闲时间会变得更多，因为研究小组认为这些模型已经足够好，可以让人工智能供电系统完全控制环境冷却。当然，操作人员仍然可以进行干预，但只要人工智能不会烧毁这个地方，系统就会自动运行。

新的冷却系统现在已经在一些谷歌的数据中心就位。每隔5分钟，系统就会轮询数据中心内的数千个传感器，并根据这些信息作出最佳操作。当然，这里有各种各样的制衡机制，因此谷歌的一个数据中心因为这种机制而陷入瘫痪的可能性很小。

和大多数机器学习模型一样，这个模型在收集了更多数据后会变得更好。与数据中心的历史能源使用量相比，它现在平均能够节省30%的能源。

值得注意的是，谷歌显然是在试图节省开支，但在很多方面，该公司也把这看作是一种推广自己机器学习服务的方式。毕竟，能够在数据中心起作用的东西也应该在大型办公楼里起作用。DeepMind在今天的声明中写道:“从长远来看，我们认为有可能将这项技术应用到其他工业领域，在更大规模的范围内帮助应对气候变化。”